Python Numpy：反变换不同大小的数组

我正试图掌握规范化数据的诀窍，对其进行一些处理，然后将其更改回来。当进行逆_变换时，我是否必须始终以与进行拟合_变换时完全相同的形状进行传递？下面的代码将给出一个“形状（3,1）与广播形状（3,3）不匹配的不可广播输出操作数”

---

您不必传递具有完全相同形状的数据集，但列数必须与原始数据集匹配，因为每一行被解释为记录，每一列被解释为特征。从技术上讲，您不能错过测试数据集的功能。例如，对行进行切片仍然有效：

new_dataset = dataset[:1,:]
trainPredict2 = scaler.inverse_transform(new_dataset)

这将返回原始数据集的第一行：

trainPredict2
# array([[ 1.2345 ,  1.22   ,  1.26245]])

---

如果您真的想要反转一个或两个特征，可以通过反转最小-最大变换

x′：=（x）来计算−xmin）/（xmax−xmin）

公式：

scaler.data_range_[:1] * dataset[:,:1] + scaler.data_min_[:1]
# array([[ 1.2345],
#        [ 1.234 ],
#        [ 1.2345]])

---

这将返回原始数据集的第一列

所以如果我的数据只有一列，我就不能再求逆了？new_dataset只是一个示例，说明了我使用它后数据的外观。我试图做的是，在对数据集进行预测后，我得到一个仅在1列（预测）中的数组，其中当我进行fit_变换时，它位于多个列中。现在我想用反变换将预测转换回常规格式，但是我得到了不同的形状。为什么你需要对你的预测做反变换？缩放仅适用于功能。您的意思是您事先将比例变换应用于标签吗？如果是这样，您可能需要进行重塑

scaler.data_range_[:1] * dataset[:,:1] + scaler.data_min_[:1]
# array([[ 1.2345],
#        [ 1.234 ],
#        [ 1.2345]])